【Python】用glob模块实现文件批量筛选与路径模式匹配
1. 为什么需要glob模块？
在日常开发中，我经常遇到需要批量处理文件的情况。比如上周帮朋友整理婚礼照片，几千张图片散落在不同文件夹里，手动筛选简直要命。这时候Python的glob模块就成了救命稻草。
与os.listdir()相比，glob最大的优势是支持通配符匹配。想象你有一堆日志文件，命名格式是"access_20230601.log"，用os.listdir()只能获取全部文件列表，而glob可以直接用"access_2023*.log"这样的模式精准匹配。
更棒的是，glob支持递归查找。我最近做的项目需要分析服务器上多层嵌套的日志目录，一行glob.glob('logs/**/*.log', recursive=True)就搞定了所有文件定位，省去了手动递归的麻烦。
2. glob核心用法详解
2.1 基础通配符三剑客
glob模块最常用的三个通配符，我习惯叫它们"三剑客"：
*星号：匹配任意长度字符。比如*.jpg匹配所有jpg图片?问号：匹配单个字符。photo?.jpg可以匹配photo1.jpg但匹配不了photo10.jpg[]中括号：匹配指定范围。[0-9].txt匹配"0.txt"到"9.txt"
实测一个有趣的用法：report_[0-9][0-9].docx可以精准匹配类似report_01.docx这样的双数字编号文件，比正则表达式简单多了。
2.2 递归查找的黑科技
**双星号是glob的隐藏大招。配合recursive=True参数，可以穿透所有子目录。我整理电子书时这样用：
all_epubs = glob.glob('我的图书馆/**/*.epub', recursive=True)这行代码会扫描"我的图书馆"下所有子文件夹，找出所有epub格式的电子书。注意Windows路径要用反斜杠，建议用原始字符串：r'C:\Users\*\Documents\*.docx'
3. 实战场景应用
3.1 日志文件归档
上周帮客户写了个日志清理脚本，需求是保留最近7天的日志。我是这样实现的：
import glob import os from datetime import datetime, timedelta log_files = glob.glob('/var/log/app/*.log') cutoff_date = datetime.now() - timedelta(days=7) for log in log_files: file_date = datetime.fromtimestamp(os.path.getmtime(log)) if file_date < cutoff_date: os.remove(log) print(f"已删除过期日志: {log}")3.2 图片批量处理
做自媒体的小伙伴经常要处理大量图片。这是我的素材分类脚本核心代码：
image_types = ['*.jpg', '*.png', '*.gif'] for ext in image_types: for img in glob.glob(f'原始素材/**/{ext}', recursive=True): # 根据分辨率分类 if is_high_res(img): shutil.move(img, '高清图库') else: shutil.move(img, '普通图库')4. 高级技巧与避坑指南
4.1 匹配中文文件名
很多新手会遇到中文路径问题。我的经验是一定要处理编码：
path = '文档/*.docx' encoded_path = path.encode('utf-8').decode('gbk') # Windows系统需要 files = glob.glob(encoded_path)4.2 性能优化建议
处理超大量文件时，我发现改用iglob可以提升性能：
# 传统方式（一次性加载所有结果） files = glob.glob('大数据集/**/*.csv') # 改进方式（迭代器懒加载） for file in glob.iglob('大数据集/**/*.csv'): process_file(file)4.3 常见问题排查
最近帮同事解决的一个典型问题：模式匹配失效。原因是他们用了glob.glob('*.TXT')，但在Linux系统上文件名是区分大小写的。解决方案：
# 不区分大小写的匹配方案 files = [f for f in glob.glob('*') if f.lower().endswith('.txt')]5. 与其他模块的配合
5.1 结合pathlib使用
Python3.4+推荐用pathlib的glob方法，代码更优雅：
from pathlib import Path # 查找所有配置文件 config_files = Path('/etc').rglob('*.conf') # 相当于glob的**/*.conf5.2 配合shutil进行文件操作
我常用的文件备份套路：
import shutil import glob for src in glob.glob('重要文档/**/*.docx', recursive=True): dst = f'备份/{os.path.basename(src)}' shutil.copy2(src, dst)6. 实际项目经验分享
去年开发自动化测试框架时，我设计了一个智能用例发现机制：
def discover_testcases(): testcases = [] for pattern in ['test_*.py', '*_test.py', '*_spec.py']: testcases.extend(glob.glob(f'tests/**/{pattern}', recursive=True)) return sorted(list(set(testcases)))这个方案自动识别三种主流命名规范的测试文件，去重后返回有序列表。团队反馈比之前硬编码路径的方式灵活多了。